AI is Reshaping Work and Real Estate: เมื่อ AI ไม่ได้ทำให้ตลาดเคลื่อนไปทางเดียวกัน แต่กำลังสร้างผู้ชนะและผู้ตาม

จักรพันธ์ ภวังคะรัตน์

Head of Property Management, JLL Thailand

เลขาธิการ สมาคมบริหารทรัพย์สินแห่งประเทศไทย

25 July 2026

บทนำ

Artificial Intelligence กำลังเปลี่ยนทั้งตลาดแรงงานและตลาดอสังหาริมทรัพย์ แต่คำถามว่า AI จะทำให้บริษัทใช้คนน้อยลงและต้องการพื้นที่ลดลงหรือไม่นั้น ยังเป็นคำถามที่ง่ายเกินไปสำหรับการเปลี่ยนแปลงที่ซับซ้อนกว่านั้นมาก บทความ “Where AI is changing jobs and what it means for real estate: A framework for where AI-enabled labor shifts create opportunity and risk” ของ JLL (https://www.jll.com/en-sea/insights/artificial-intelligence-and-its-implications-for-real-estate) เสนอว่า AI ไม่ได้เป็นแรงที่ทำให้ Real Estate Demand เพิ่มหรือลดพร้อมกันทั้งตลาด แต่กำลังทำหน้าที่เป็น Sorting Mechanism ที่แยกเมือง อุตสาหกรรม บริษัท และสินทรัพย์ออกจากกันชัดเจนขึ้น ขณะเดียวกันผลกระทบด้านแรงงานก็ไม่ได้ส่งผ่านไปสู่ Property Performance โดยตรง เพราะยังมี Supply, Asset Quality และภาวะเศรษฐกิจเป็นตัวแปรสำคัญ

แก่นของเรื่องจึงไม่ใช่ว่า AI จะสร้างหรือทำลายงานมากกว่ากัน แต่คือ ใครสามารถเปลี่ยน Disruption ให้เป็น Opportunity ได้เร็วกว่า เพราะในอนาคต เมืองที่มี AI Exposure สูงอาจกลับเป็นเมืองที่เติบโตเร็วที่สุด บริษัทที่ลดคนในบาง Function อาจกำลังเพิ่มคนในอีก Function และอาคารบางแห่งอาจเสีย Demand ขณะที่ Premium Assets ในตลาดเดียวกันยังแข็งแรงอยู่

1. AI กำลังแยก Business Growth ออกจาก Headcount Growth

ในอดีต Business Growth, Headcount Growth และ Space Demand มักเคลื่อนไปในทิศทางเดียวกัน บริษัทที่ขยายธุรกิจก็จ้างคนเพิ่ม และเมื่อมีคนมากขึ้นก็ต้องการพื้นที่มากขึ้น แต่ Agentic AI กำลังทำให้ความสัมพันธ์นี้เปลี่ยนไป เพราะบริษัทสามารถเพิ่ม Output โดยไม่จำเป็นต้องเพิ่ม Headcount ในสัดส่วนเดียวกัน งาน Research, Analysis, Programming, Documentation และ Process Work จำนวนมากสามารถทำได้เร็วขึ้น ขณะที่พนักงานใช้เวลาไปกับ Judgement, Strategy, Creativity และ Client Interaction มากขึ้น

อย่างไรก็ตาม Productivity ที่สูงขึ้นไม่ได้หมายความว่าบริษัทจะลดคนเสมอไป บริษัทหนึ่งอาจใช้ AI เพื่อสร้าง Output เดิมด้วยทีมที่เล็กลง แต่อีกบริษัทอาจใช้ Productivity ที่เพิ่มขึ้นเพื่อขยายตลาด สร้างผลิตภัณฑ์ใหม่ และเพิ่มรายได้อย่างรวดเร็ว ดังนั้นบริษัทสองแห่งในอุตสาหกรรมเดียวกันสามารถใช้ AI เหมือนกันแต่ให้ผลลัพธ์ต่อ Headcount และ Real Estate Demand ต่างกันโดยสิ้นเชิง

2. AI เปลี่ยนแรงงานผ่านสามแรงพร้อมกัน

JLL เสนอให้มองผลของ AI ผ่านสามกลไกหลัก ได้แก่ Role Augmentation, Selective Displacement และ Job Creation โดย Role Augmentation คือ AI ช่วยทำ Task บางส่วนและเพิ่ม Productivity ของคน Selective Displacement คือ Automation ลดความต้องการแรงงานในบาง Function ขณะที่ Job Creation เกิดจากสินค้า ธุรกิจ และอาชีพใหม่ที่ AI ทำให้เกิดขึ้น ทั้งสามแรงสามารถเกิดพร้อมกันในบริษัทหรือเมืองเดียวกัน และผลสุทธิของตลาดแรงงานจึงขึ้นอยู่กับว่าสามแรงนี้มีน้ำหนักมากน้อยเพียงใด

JLL ยังเชื่อมเรื่องนี้กับ Jevons Paradox ซึ่งอธิบายว่าประสิทธิภาพที่ดีขึ้นและต้นทุนที่ลดลงอาจสร้าง Demand ใหม่แทนที่จะทำให้การใช้ทรัพยากรลดลง หาก AI ทำให้การพัฒนา Software ถูกลง บริษัทจำนวนมากขึ้นอาจสามารถสร้างระบบและผลิตภัณฑ์ใหม่ได้ ส่งผลให้กิจกรรมทางเศรษฐกิจและการจ้างงานใหม่เกิดตามมา ดังนั้นการประเมินผลกระทบจากจำนวน Task ที่ AI สามารถทำแทนคนได้เพียงอย่างเดียวจึงมีข้อจำกัด

หลักฐานในปัจจุบันตามมุมมองของ JLL ยังชี้ว่า AI-driven Job Displacement อยู่ในระดับ Moderate และ Concentrated มากกว่าจะเป็น Mass Displacement ทั่วเศรษฐกิจ แม้ Entry-level Roles บางประเภทเริ่มเผชิญแรงกดดันมากกว่า เพราะงานพื้นฐานจำนวนมากสามารถใช้ AI ช่วยได้ ขณะเดียวกันข่าวการลดคนบางส่วนอาจมีลักษณะ “AI-washing” คืออธิบายการลด Headcount ว่าเกิดจาก AI ทั้งที่ยังมีปัจจัยด้านต้นทุน เศรษฐกิจ และการปรับโครงสร้างองค์กรร่วมอยู่ด้วย

3. ผลลัพธ์ของ AI มีสี่เส้นทาง ไม่ใช่คำตอบเดียว

เมื่อ Augmentation, Displacement และ Job Creation เกิดขึ้นในสัดส่วนต่างกัน JLL จึงแบ่งผลลัพธ์ออกเป็นสี่เส้นทาง ได้แก่ High Negative Disruption, Low Disruption Augmentation, High Offsetting Disruption และ AI Boom Upside เส้นทางแรกเกิดเมื่อ Automation ลด Headcount อย่างมีนัยสำคัญ โดยเฉพาะ Back-office และ Administrative Roles ส่วน Low Disruption Augmentation เกิดเมื่อ AI เพิ่ม Productivity ของ Skilled Workers โดยไม่ได้ลดจำนวนงานมากนัก

High Offsetting Disruption คือภาวะที่งานเดิมหายไปพร้อมกับงานใหม่เกิดขึ้น การจ้างงานจึงถูกเปลี่ยนโครงสร้างและย้ายไปยัง Function หรือ Location ใหม่ ขณะที่ AI Boom Upside เกิดในเมืองหรืออุตสาหกรรมที่บริษัท AI และธุรกิจใหม่เติบโตเร็วจน Job Creation มากกว่าผลกระทบจาก Displacement กรอบนี้ช่วยให้เราเข้าใจว่า AI ไม่ได้สร้าง Outcome แบบเดียวทั่วโลก แต่แต่ละตลาดจะอยู่บนเส้นทางที่แตกต่างกันตาม Industry Mix, Talent, Capital และความสามารถในการสร้างกิจกรรมทางเศรษฐกิจใหม่

4. Labor Market ไม่ได้ส่งผ่านสู่ Property Market แบบเส้นตรง

แม้ AI จะเปลี่ยน Headcount แต่ Real Estate Performance ยังขึ้นอยู่กับ Supply และภาวะเศรษฐกิจด้วย ตัวอย่างที่ JLL ยกคือ Life Sciences ซึ่งได้รับประโยชน์อย่างมากจาก AI ใน Drug Discovery และ Genomics แต่ Lab Vacancy ในบางตลาดยังสูง เพราะ Supply จำนวนมากถูกสร้างขึ้นในช่วง Pandemic Boom ตรงกันข้าม Technology Employment ในสหรัฐฯ ลดลงประมาณ 1.5% ระหว่างปี 2025–2026 แต่ Leasing Demand จาก Tech Companies กลับฟื้นตัว จากการขยายตัวของบริษัท AI การใช้สำนักงานเพิ่มขึ้น และการขาดแคลน Premium Office ในบางตลาด

ดังนั้น Employment Growth ไม่สามารถใช้เป็นตัวแทน Real Estate Demand ได้โดยตรง ต้องดูพร้อมกันทั้ง Demand, Supply และ Asset Quality โดยเฉพาะหลัง COVID ที่การก่อสร้างสำนักงานใหม่ในหลาย Gateway Cities ชะลอลง ขณะที่อาคารเดิมมีอายุมากขึ้น ส่งผลให้ High-quality Space มี Supply จำกัดกว่าตลาดรวมและสร้างความแตกต่างระหว่าง Premium Assets กับอาคารทั่วไปมากขึ้น

5. AI ไม่ใช่สาเหตุเดียวของการเปลี่ยน Headcount

การวิเคราะห์ต้องระวังไม่ตีความทุก Layoff ว่าเกิดจาก AI เพราะบริษัทกำลังเผชิญแรงกดดันจาก Deglobalization, Tariffs, Geopolitical Uncertainty และ Economic Cycles พร้อมกัน หากบริษัทลดคนจาก Demand ที่อ่อนลง ปรับต้นทุน และนำ AI มาใช้ในเวลาเดียวกัน การระบุว่าสาเหตุทั้งหมดมาจาก Automation อาจทำให้ประเมินผลกระทบต่อ Real Estate ผิดทิศทาง

JLL ยังชี้ว่าการเกิด Mass Job Displacement ในอดีตมักสัมพันธ์กับความเครียดในระบบเศรษฐกิจวงกว้าง มากกว่าการเกิดขึ้นของเทคโนโลยีใหม่เพียงอย่างเดียว และในช่วงเวลาของบทความ เศรษฐกิจโลกยังมีการเติบโต การจ้างงานในหลายตลาดยังมีเสถียรภาพ และ Asia Pacific ยังคงเป็นหนึ่งในแรงขับสำคัญของเศรษฐกิจโลก ดังนั้นความกังวลเรื่อง AI-driven Mass Unemployment จึงยังเร็วกว่าหลักฐานที่เกิดขึ้นจริง

6. เมืองที่มี AI Exposure สูง อาจเป็นเมืองที่มี Opportunity สูงที่สุด

หนึ่งในข้อค้นพบที่สำคัญคือ Exposure ไม่เท่ากับ Vulnerability เมืองที่มี Knowledge Workers จำนวนมากย่อมมีงานที่ AI สามารถเปลี่ยนแปลงได้มาก แต่เมืองเหล่านี้ก็มักมี Talent, Capital, Technology Companies, Universities และ Research Ecosystem ที่ช่วยสร้างธุรกิจใหม่ได้มากเช่นกัน งานวิจัยระหว่าง JLL กับ MIT พบว่าหลายตลาดในสหรัฐฯ ที่มี AI Exposure สูงที่สุดกลับเป็นตลาดที่มี AI Opportunity สูงที่สุดด้วย

San Francisco เป็นตัวอย่างชัดเจน เมืองมีความเสี่ยงต่อ Displacement สูงจากจำนวน Knowledge Workers แต่ในเวลาเดียวกันก็มี AI Job Creation สูง และตั้งแต่ปี 2025 บริษัท AI คิดเป็นเกือบ 30% ของ Total Leasing ในเมืองนี้ ดังนั้นตัวแปรสำคัญจึงไม่ใช่ว่าเมืองมี AI Exposure มากเพียงใด แต่คือ Adaptability หรือความสามารถในการย้ายแรงงานจากงานเดิมไปสู่งานใหม่ สร้างบริษัทใหม่ และดูดซับ Productivity Gain ให้กลายเป็น Growth

7. ต้องวิเคราะห์ลงไปถึง Industry และ Function

ข้อมูลจาก 2026 Future of Work Survey ที่ JLL ใช้ในบทความพบว่า 60% ของบริษัทที่สำรวจยังวางแผนเพิ่ม Headcount ในช่วงสามถึงห้าปีข้างหน้า จึงไม่สนับสนุนภาพว่า AI จะทำให้ทุกอุตสาหกรรมลด Workforce สิ่งที่แตกต่างกันคือแต่ละอุตสาหกรรมจะใช้ AI เพื่อ Automation หรือ Augmentation มากน้อยเพียงใด และมี Structural Growth Drivers แข็งแรงแค่ไหน

Logistics, Healthcare และ Hospitality มีแนวโน้ม Workforce Expansion สูงและใช้ AI เพื่อ Augmentation มากกว่า เพราะ Core Service ยังพึ่งพา Frontline Workers และ Physical Places ขณะที่ Aerospace & Defense, Insurance และ Energy แม้ให้ความสำคัญกับ Automation สูง แต่ยังมีแรงขับเชิงโครงสร้างที่ทำให้ Workforce เติบโตได้ Technology และ Financial Services มี Cognitive Work จำนวนมากจึงสามารถสร้าง Output สูงขึ้นด้วยทีมที่ Compact ขึ้น ส่วน Professional Services มีแนวโน้ม Redesign Workflow อย่างจริงจัง เพื่อให้ Routine Work ถูก Automation และคนขยับไปทำงานที่มีมูลค่าสูงกว่า

ความแตกต่างเหล่านี้ทำให้การวิเคราะห์ระดับ Sector ยังไม่เพียงพอ เพราะบริษัทเดียวกันอาจลด Back Office แต่ขยาย Client-facing, Strategic หรือ Innovation Functions ได้พร้อมกัน AI Exposure จึงต้องลงลึกถึง Occupation และ Function Level มากขึ้น ไม่ใช่เพียงดูว่า Tenant อยู่ใน Industry ใด

8. AI เปลี่ยนทั้งขนาดและประเภทของพื้นที่

ผลต่อ Real Estate ไม่ได้มีเพียงคำถามว่าองค์กรต้องการพื้นที่มากขึ้นหรือน้อยลง แต่คือ ต้องการพื้นที่แบบไหน Life Sciences เป็นตัวอย่างที่ดี เพราะ AI-driven Drug Discovery และ Genomics ทำให้ R&D ต้องพึ่ง Computational Capacity, Power, Data Infrastructure และ AI Talent มากขึ้น ความหมายของ Laboratory และ Research Space จึงกำลังเปลี่ยนไป ส่วน Financial Services อาจลด Mid-office และ Back-office Footprint แต่ยังรักษาความต้องการ Premium Assets ใน Major Financial Centers สำหรับ Strategic และ Client-facing Functions

ดังนั้น Space Demand ในยุค AI ไม่ได้เพียง Expand หรือ Contract แต่กำลังถูก Redistributed และ Reconfigured ระหว่าง Function, Location และ Building Quality การวิเคราะห์ว่า Tenant คนหนึ่งจะใช้พื้นที่มากหรือน้อยจึงต้องเข้าใจว่าพื้นที่นั้นรองรับงานประเภทใด มากกว่าพิจารณาจากขนาดบริษัทหรืออุตสาหกรรมเพียงอย่างเดียว

9. นักลงทุนต้องมองจุดตัดระหว่าง Growth, Adaptability และ Supply

สำหรับนักลงทุน JLL เสนอว่าการสร้าง Outperformance ในรอบตลาดใหม่จะพึ่งพา Asset-level Income Growth และ Value Creation มากขึ้น ไม่ใช่เพียง Yield Compression การจัดสรรเงินทุนจึงต้องมองหาจุดตัดของสามปัจจัย คือ AI-led Growth, Adaptive Economy และ Constrained Supply เพราะตลาดที่มี AI Growth สูงแต่มี Supply มากเกินไป อาจไม่ได้ให้ผลตอบแทนดีเท่าตลาดที่ Growth ใกล้เคียงกันแต่มี Premium Supply จำกัด

AI จึงไม่ควรถูกมองเป็น Theme เฉพาะ Data Centers หรือ Technology Hubs แต่เป็น Framework สำหรับวิเคราะห์เศรษฐกิจรอบ Asset ว่า Workforce กำลังเปลี่ยนอย่างไร Tenant Composition มีความเสี่ยงหรือโอกาสตรงไหน และ Supply สามารถตอบสนอง Demand ใหม่ได้มากน้อยเพียงใด

10. Occupiers ต้องเปลี่ยนจาก Static Headcount Planning ไปสู่ Adaptive Portfolio

สำหรับองค์กรผู้ใช้อาคาร ความท้าทายคือ Headcount Forecast จะมีความแน่นอนน้อยลง บริษัทอาจรู้ว่าธุรกิจกำลังเติบโต แต่ยังไม่รู้ว่า Growth นั้นจะต้องใช้คนเพิ่มกี่คน ตำแหน่งใดจะถูก Augment ตำแหน่งใดถูก Automate และ Function ใหม่ควรอยู่ใน Location ใด Real Estate Strategy ที่อิงจำนวนพนักงานระยะยาวเพียงตัวเดียวจึงมีความเสี่ยงสูงขึ้น

JLL จึงมองว่า Portfolio ต้องมี Adaptability มากขึ้น เพื่อรองรับทั้งการเปลี่ยนจำนวนคน Composition ของ Workforce และ Location Requirement องค์กรที่เชื่อม Talent Strategy, AI Strategy และ Real Estate Strategy เข้าด้วยกันได้ดี จะสามารถตอบสนองต่อการเปลี่ยนแปลงได้เร็วกว่าองค์กรที่ยังใช้ Static Headcount Assumption แบบเดิม

บทสรุป: AI กำลังสร้าง Differentiation มากกว่า Decline

สารสำคัญที่สุดของบทความ JLL คือ AI ไม่ได้กำลังทำให้ Real Estate ทั้งตลาดเติบโตหรือหดตัวในทิศทางเดียวกัน แต่กำลังสร้าง Differentiation ที่มากขึ้นระหว่างเมือง อุตสาหกรรม บริษัท Function และ Asset บริษัทบางแห่งจะลด Headcount ขณะที่อีกบริษัทสร้างงานใหม่ เมืองที่มี AI Exposure สูงอาจกลายเป็น Innovation Hub อาคารบางแห่งอาจสูญเสีย Demand ขณะที่ Premium Assets ในตลาดเดียวกันกลับมี Demand แข็งแรง และ Supply สามารถทำให้ Property Performance แตกต่างจากสิ่งที่ Labor Market บอกเราได้อย่างมาก

ดังนั้นการวิเคราะห์ผลกระทบของ AI ต่อ Real Estate ต้องก้าวข้ามคำถามว่า “AI จะทำให้คนตกงานมากแค่ไหน” และเปลี่ยนไปถามว่า งานใดจะถูกเปลี่ยน งานใหม่จะเกิดที่ไหน บริษัทและเมืองใดมีความสามารถในการปรับตัว และ Demand ใหม่จะต้องการพื้นที่แบบใด สำหรับนักลงทุน หมายถึงการวิเคราะห์ลงไปถึง Tenant, Function และ Occupation พร้อมดู Supply และ Adaptability ควบคู่กัน สำหรับ Occupiers หมายถึงการออกแบบ Portfolio ที่ยืดหยุ่นพอจะรองรับ Workforce ที่เปลี่ยนเร็วขึ้น

ท้ายที่สุด AI อาจไม่ได้เปลี่ยนปริมาณ Real Estate ด้วยคำตอบเดียว แต่กำลังเปลี่ยนว่า ใครต้องการพื้นที่ พื้นที่ประเภทใด อยู่ที่ไหน และใช้เพื่ออะไร และในโลกที่ความแตกต่างระหว่างผู้เล่นเพิ่มขึ้นเรื่อย ๆ ผู้ชนะอาจไม่ใช่ผู้ที่ได้รับผลกระทบจาก AI น้อยที่สุด แต่คือผู้ที่สามารถมองเห็นการเปลี่ยนแปลง ปรับตัว และเปลี่ยน Productivity ใหม่ให้กลายเป็น Growth ได้เร็วที่สุด